Когда я был совсем юн, одно время ходил на курсы программирования. И когда для выполнения домашнего задания включал компьютер, мама говорила мне:

"Это зачем еще? Сначала напиши алгоритм на бумажечке, а потом уже переноси в компьютер."

Тогда это вполне имело смысл, ведь еще не было IDE с автоподстановками/автопроверками, программы занимали килобайты, не гигабайты, а в НИИ даже встречались перфокарты. Но важен еще один момент: чтобы писать код эффективнее, сначала нужна какая-то канва. Сначала обходились просто детальным ТЗ на работы. Затем придумали разные подходы, которые помогают создавать код не просто с чистого листа, а на какой-то основе. Я имею в виду Test-Driven Development (TDD), когда в основе правильного кода лежат успешные тесты, Behavior-Driven Development (BDD), когда в основе кода - конкретные сценарии. И прочие DD. Появление ИИ-помощников в работе повлияло на эти процессы. Несколько месяцев назад GitHub представил подход Spec-Driven Development (SDD). Суть в том, чтобы сначала создать спецификацию, затем скормить ее ИИ-агенту, на ее основе будет составлен план работ и потом строго по плану реализация.

Spec → Plan → Tasks → Implement

То есть теперь не просто пишем промпт "Нарисуй форму", а описываем цели, поведение, граничные условия, исключения и т.д. Для претворения этого дела в жизнь они опубликовали опенсорсный инструментарий - Spec Kit. Поддерживается 35 кодинговых агентов, имеет 138 расширений, может работать оффлайн. В репозитории есть ссылки на обзоры и сообщества. 123 тысячи звезд на Гитхабе, 257 контрибьюторов. #process

✔️ Google AI Studio получил возможность импорта с GitHub В среде Google AI Studio теперь можно подключать свои репозитории благодаря новой функции "Import from GitHub". Платформа научилась работать с уже написанной кодовой базой, перестав ограничиваться лишь генерацией проектов с нуля. При загрузке Gemini автоматически адаптирует код под совместимый формат среды выполнения, позволяя сразу же продолжить редактирование, предварительный просмотр и развертывание приложения.

Сейчас интеграция работает только в одном направлении, изменения не сохраняются обратно в исходный репозиторий, но Логан Килпатрик пообещал, что это временное ограничение - полноценная синхронизация с GitHub уже находится в активной разработке.

@ai_machinelearning_big_data #news #ai #ml